基于元学习的场景自适应视频帧插值
计算机视觉与模式识别
2020-04-03 v1
摘要
视频帧插值是一项具挑战性的任务，因为每支视频依前景与背景运动、帧率及遮挡的多样性而呈现不同场景。因此，单一固定参数网络难以泛化至不同视频。理想情况下，可为每种场景配备不同网络，但这在实际应用中计算上不可行。本工作中，我们提出利用测试时易得却未被以往工作发掘的额外信息使模型适配各视频。我们首先通过简单的网络微调展示“测试时自适应”的益处，随后借助元学习大幅提高其效率。仅经单次梯度更新且无任何额外参数，我们便获得显著性能提升。最后，我们表明该元学习框架可轻易用于任意视频帧插值网络，并能在多个基准数据集上持续提升其性能。
引用
@article{arxiv.2004.00779,
title = {Scene-Adaptive Video Frame Interpolation via Meta-Learning},
author = {Myungsub Choi and Janghoon Choi and Sungyong Baik and Tae Hyun Kim and Kyoung Mu Lee},
journal= {arXiv preprint arXiv:2004.00779},
year = {2020}
}
备注
CVPR 2020